طراحی مدل پیش بینی نقص نرم افزار با استفاده از شبکه عصبی-فازی و الگوریتم حرکت گروهی ذرات (PSO)

تضمین کیفیت نرم افزاریکی از چالش برانگیز ترین مباحث تولید نرم افزار می باشد و هدف آن تولید نرم افزاری بدون خطا است که نیاز و انتظارات مشتری را پاسخگو باشد.اما همیشه فاکتور هایی وجود دارد که منجر به تعداد بالای خطاهای نرم افزاری می شود و وجود نقص ها در سیستم نرم افزاری یک تهدید جدی برای کیفیت نرم افزار به شمار می رود. پژوهش های زیادی برای یافتن ارتباط متریک های نرم افزارو مستعد خطا بودن ماژول ها، انجام گرفته است . از آن جایی که رابطه ی بین متریک های نرم افزارو مستعد خطا بودن ماژول های آن پیچیده و غیر خطی است، درمطالعات اخیر از الگوریتم های یادگیری ماشین برای مدل سازی پیش بینی خطای نرم افزار استفاده شده است. در فرایند استفاده از شبکه های عصبی، داده های شبکه عصبی ابتدا یک سری مقادیر تصادفی را به عنوان وزن ها و بایاس های اولیه شبکه انتخاب می کند و این یکی از معایب آن است. در این راستا پ از الگوریتم بهینه سازی ازدحام ذرات برای بهینه سازی وزن شبکه های عصبی استفاده می شود. در مقایسه با الگوریتم های بهینه سازی، الگوریتم بهینه سازی اردحام ذرات ( PSO ) برای پیاده سازی ساده تر است و می تواند نقطه بهینه را به سرعت پیدا کند. ارزیابی مدل پیشنهادی بر اساس مجموعه داده های NASA MDP Repository انجام گرفته است و نتایج حاصله نشان می دهد روش پیشنهادی، عملکرد مطلوبی از نقطه نظر مدت زمان پیش بینی خطا و میزان بازده یا تشخیص آن می باشد